![2023學(xué)年完整公開(kāi)課版RDD編程_第1頁(yè)](http://file4.renrendoc.com/view/8e2b3d05168af96d3d1c713975e52947/8e2b3d05168af96d3d1c713975e529471.gif)
![2023學(xué)年完整公開(kāi)課版RDD編程_第2頁(yè)](http://file4.renrendoc.com/view/8e2b3d05168af96d3d1c713975e52947/8e2b3d05168af96d3d1c713975e529472.gif)
![2023學(xué)年完整公開(kāi)課版RDD編程_第3頁(yè)](http://file4.renrendoc.com/view/8e2b3d05168af96d3d1c713975e52947/8e2b3d05168af96d3d1c713975e529473.gif)
![2023學(xué)年完整公開(kāi)課版RDD編程_第4頁(yè)](http://file4.renrendoc.com/view/8e2b3d05168af96d3d1c713975e52947/8e2b3d05168af96d3d1c713975e529474.gif)
![2023學(xué)年完整公開(kāi)課版RDD編程_第5頁(yè)](http://file4.renrendoc.com/view/8e2b3d05168af96d3d1c713975e52947/8e2b3d05168af96d3d1c713975e529475.gif)
版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
RDD編程RDD概念RDD概念DatasourceDatasourceRDDRDDRDDRDDRDDOutput創(chuàng)建創(chuàng)建轉(zhuǎn)換轉(zhuǎn)換轉(zhuǎn)換轉(zhuǎn)換動(dòng)作RDD特性(1)高效的容錯(cuò)性(2)中間結(jié)果持久化到內(nèi)存,數(shù)據(jù)在內(nèi)存中的多個(gè)RDD操作之間進(jìn)行傳遞,避免了不必要的讀寫(xiě)磁盤(pán)開(kāi)銷(3)存放的數(shù)據(jù)可以是Java對(duì)象,避免了不必要的對(duì)象序列化和反序列化RDD運(yùn)行原理RDD1RDD2窄依賴RDD3窄依賴RDD7RDD5RDD6RDD4RDD運(yùn)行原理寬依賴寬依賴RDD8RDD9RDD運(yùn)行過(guò)程Rdd1.join(rdd2).groupBy().filter(…)RDDobjectsDAGScheduler集群資源管理器TaskSchedulerThreadsBlockmanageWorkerDAG
任務(wù)集任務(wù)PairRDD鍵值對(duì)RDD(PairRDD)是指每個(gè)RDD元素都是(key,value)鍵值對(duì)類型,應(yīng)用場(chǎng)景很多。創(chuàng)建PairRDD(1)從文件系統(tǒng)中加載數(shù)據(jù)生成RDD,然后使用map()函數(shù)轉(zhuǎn)換為PairRDD
scala>vallines=sc.textFile("file:///usr/local/spark/mycode/rdd/word.txt")scala>valpairRDD=lines.flatMap(line=>line.split("")).map(word=>(word,1))scala>pairRDD.foreach(println)(Hadoop,1)(Spark,1)(Hive,1)(Spark,1)創(chuàng)建PairRDD(2)通過(guò)并行集合創(chuàng)建PairRDD
scala>vallist=List("Hadoop","Spark","Hive","Spark")list:List[String]=List(Hadoop,Spark,Hive,Spark)scala>valrdd=sc.parallelize(list)rdd:org.apache.spark.rdd.RDD[String]=ParallelCollectionRDD[11]scala>valpairRDD=rdd.map(word=>(word,1))pairRDD:org.apache.spark.rdd.RDD[(String,Int)]scala>pairRDD.foreach(println)(Hadoop,1)(Spark,1)(Hive,1)(Spark,1)PairRDD轉(zhuǎn)換操作reduceByKey(func)
scala>pairRDD.reduceByKey((a,b)=>a+b).foreach(println)(Spark,2)(Hive,1)(Hadoop,1)PairRDD轉(zhuǎn)換操作groupByKey(func)scala>scala>pairRDD.groupByKey().foreach(println)(Spark,CompactBuffer(1,1))(Hive,CompactBuffer(1))(Hadoop,CompactBuffer(1))PairRDD轉(zhuǎn)換操作pairRDD.keys
scala>pairRDD.keys.foreach(println)HadoopSparkHiveSparkPairRDD轉(zhuǎn)換操作pairRDD.values
scala>pairRDD.values.foreach(println)1111PairRDD轉(zhuǎn)換操作sortByKey()
scala>pairRDD.sortByKey().foreach(println)(Hadoop,1)(Hive,1)(Spark,1)(Spark,1)小例子scala>valrdd=sc.parallelize(Array(("spark",2),("hadoop",6),("hadoop",4),("spark",6)))scala>rdd.mapValues(x=>(x,1)).reduceByKey((x,y)=>(x._1+y._1,x._2+y._2)).mapValues(x=>(x._1/x._2)).collect()res22:Array[(String,Int)]=Array((spark,4),(hadoop,5))給定一組鍵值對(duì)("spark",2),("hadoop",6),("hadoop",4),("spark",6),鍵值對(duì)的key表示圖書(shū)名稱,value表示某天圖書(shū)銷量,請(qǐng)計(jì)算每個(gè)鍵對(duì)應(yīng)的平均值,也就是計(jì)算每種圖書(shū)的每天平均銷量。RDD操作RDDRDDRDDRDDRDDOutput創(chuàng)建創(chuàng)建轉(zhuǎn)換轉(zhuǎn)換轉(zhuǎn)換轉(zhuǎn)換動(dòng)作DatasourceDatasourceRDD綜合案例1)
文本文件讀取,示例:18001,Spark,10018001,Python,5018001,Hadoop,3018001,Software,9418002,DataBase,1818002,Python,8218002,Hadoop,7618003,Hadoop,92RDD綜合案例2)選擇RDD或者PairRDD操作(1) 總共有多少學(xué)生;(2)共開(kāi)設(shè)來(lái)多少門課程;(3)Spark課程共有多少人選修;(4)某位同學(xué)的總成績(jī)平均分是多少。RDD綜合案例(1) 總共有多少學(xué)生;vallines=sc.textFile("file:///usr/local/spark/students.txt")18001,Spark,10018001,Python,5018001,Hadoop,3018001,Software,9418002,DataBase,1818002,Python,8218002,Hadoop,7618003,Hadoop,92。。。。。。。RDD綜合案例(1) 總共有多少學(xué)生;vallines=sc.textFile("file:///usr/local/spark/students.txt")valstudents=lines.map(row=>row.split(",")(0))180011800118001180011800218002
。。。。。。。RDD綜合案例(1) 總共有多少學(xué)生;vallines=sc.textFile("file:///usr/local/spark/students.txt")valstudents=lines.map(row=>row.split(",")(0))valstudents_num=students.distinct()//去重操作180011800218003RDD綜合案例(1) 總共有多少學(xué)生;vallines=sc.textFile("file:///usr/local/spark/students.txt")valstudents=lines.map(row=>row.split(",")(0))valstudents_num=students.distinct()//去重操作students_num.count//取得總數(shù)RDD綜合案例(2)共開(kāi)設(shè)來(lái)多少門課程;vallines=sc.textFile("file:///usr/local/spark/students.txt")18001,Spark,10018001,Python,5018001,Hadoop,3018001,Software,9418002,DataBase,1818002,Python,8218002,Hadoop,7618003,Hadoop,92。。。。。。。RDD綜合案例(2)共開(kāi)設(shè)來(lái)多少門課程;vallines=sc.textFile("file:///usr/local/spark/students.txt")valcourses=lines.map(row=>row.split(",")(1))SparkPythonHadoopSoftwarePythonHadoop。。。。。。。RDD綜合案例(2)共開(kāi)設(shè)來(lái)多少門課程;vallines=sc.textFile("file:///usr/local/spark/students.txt")valcourses=lines.map(row=>row.split(",")(1))valcourses_num=num.distinct()//去重操作SparkPythonHadoopSoftwareRDD綜合案例(2)共開(kāi)設(shè)來(lái)多少門課程;vallines=sc.textFile("file:///usr/local/spark/students.txt")valcourses=lines.map(row=>row.split(",")(1))valcourses_num=num.distinct()//去重操作courses_num.count//取得總數(shù)RDD綜合案例(3)Spark課程共有多少人選修;vallines=sc.textFile("file:///usr/local/spark/students.txt")18001,Spark,10018001,Python,5018001,Hadoop,3018001,Software,9418002,DataBase,1818002,Python,8218002,Hadoop,7618003,Hadoop,92。。。。。。。RDD綜合案例(3)Spark課程共有多少人選修;vallines=sc.textFile("file:///usr/local/spark/students.txt")valSpark=lines.fliter(row=>row.split(",")(1)==“Spark”)Spark.countRDD綜合案例(4)某位同學(xué)的總成績(jī)平均分是多少。vallines=sc.textFile("file:///usr/local/spark/students.txt")valrdd1=lines.map(row=>(row.split(",")(0),row.split(",")(2).toInt))(18001,100)(18001,50)(18001,30)(18001,94)。。。。。。。RDD綜合案例(4)某位同學(xué)的總成績(jī)平均分是多少。vallines=sc.textFile("file:///usr/local/spark/students.txt")valrdd1=lines.map(row=>(row.split(",")(0),row.split(",")(2).toInt))valrdd2=rdd1.mapValues(x=>(x,1))(18001,100,1)(18001,50,1)(18001,30,1)(18001,94,1)。。。。。。。RDD綜合案例(4)某位同學(xué)的總成績(jī)平均分是多少。vallines=sc.textFile("file:///usr/local/spark/students.txt")valrdd1=lines.map(row=>(row.split(",")(0),row.split(",")(2).toInt))valrdd2=rdd1.mapValues(x=>(x,1))valres=rdd2.reduceByKey((x,y)=>(x._1+y._1,x._2+y._2))(18001,274,4)(18002,……)RDD綜合案例(4)某位同學(xué)的總成績(jī)平均分是多少。vallines=sc.textFile("file:///usr/local/spark/students.txt")valrdd1=lines.map(row=>(row.split(",")(0),row.split(",")(2).toInt))valrdd2=rdd1.mapValues(x=>(x,1))valres=rdd2.reduceByKey((x,y)=>(x._1+y._1,x._2+y._2))res.mapValues(x=>x._1/x._2).collect()RDD操作——?jiǎng)?chuàng)建RDD(1)從本地文件系統(tǒng)中加載數(shù)據(jù)
(2)從分布式文件系統(tǒng)HDFS中加載數(shù)據(jù)scala>vallines=sc.textFile("file:///usr/local/spark/mycode/rdd/word.txt")scala>vallines=sc.textFile("hdfs://localhost:9000/user/hadoop/word.txt")RDD操作——?jiǎng)?chuàng)建RDD(3)調(diào)用SparkContext的parallelize方法,在Driver中一個(gè)已經(jīng)存在的集合(數(shù)組)上創(chuàng)建。
scala>valarray=Array(1,2,3,4,5)array:Array[Int]=Array(1,2,3,4,5)scala>valrdd=sc.parallelize(array)rdd:org.apache.spark.rdd.RDD[Int]=ParallelCollectionRDD[13]atparallelizeat<console>:29RDD操作——?jiǎng)?chuàng)建RDD調(diào)用SparkContext的parallelize方法,也可以從列表中創(chuàng)建scala>vallist=List(1,2,3,4,5)list:List[Int]=List(1,2,3,4,5)scala>valrdd=sc.parallelize(list)rdd:org.apache.spark.rdd.RDD[Int]=ParallelCollectionRDD[14]atparallelizeat<console>:29RDD操作——轉(zhuǎn)換操作lines.filter(line=>line.contains(“spark”))RDD(lines)rdd.filter()IlikehadoopSparkisfastIlikeSparkSparkisfastIlikeSparkRDDRDD操作——轉(zhuǎn)換操作lines.map(line=>line.split(“”))RDD(lines)rdd.map()IlikehadoopSparkisfastIlikeSparkRDDArray(“I”,”like”,”hadoop”)Array(“Spark”,”is”,”fast”)Array(“I”,”like”,”spark”)RDD操作——轉(zhuǎn)換操作lines.flatmap(line=>line.split(“”))RDD(lines)rdd.flatmap()IlikehadoopSparkisfastIlikeSparkRDD“I””like”“hadoop”“Spark””is”“fast”“I””like”“Spark”RDD操作——轉(zhuǎn)換操作rdd.reduceByKey((a,b)=>a+b)RDD(“Iike”,1)(“hadoop”,1)(“Spark”,1)(“fast”,1)(”like”,1)(“Spark”,1)rdd.reduceByKey()(“Iike”,2)(“hadoop”,1)(“Spark”,2)(“fast”,1)RDD中間結(jié)果key,Value-list例如:(spark,(1,1))RDD操作——轉(zhuǎn)換操作rdd.reduceByKey((a,b)=>a+b)RDD(“Iike”,1)(“hadoop”,1)(“Spark”,1)(“fast”,1)(”like”,1)(“Spark”,1)rdd.reduceByKey()(“Iike”,2)(“hadoop”,1)(“Spark”,2)(“fast”,1)RDDspark,(1,1))RDD操作——?jiǎng)幼鞑僮鱟ount()
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年亞洲合作框架協(xié)議
- 2025年公共設(shè)施清潔與保養(yǎng)合同
- 2025年倉(cāng)儲(chǔ)場(chǎng)地租用策劃合同樣本
- 2025年海洋服務(wù)項(xiàng)目規(guī)劃申請(qǐng)報(bào)告模范
- 2025年獨(dú)家代理授權(quán)合同文件
- 2025年企業(yè)復(fù)印紙張采購(gòu)合同范文
- 2025年合同爭(zhēng)議上訴狀
- 2025年個(gè)體挖掘機(jī)租賃合同格式
- 2025年光纖系統(tǒng)維護(hù)勞務(wù)分包協(xié)議
- 2025年企業(yè)租車合作協(xié)議樣本
- 投標(biāo)流程及注意事項(xiàng)(課堂PPT)
- 日照功率半導(dǎo)體項(xiàng)目投資計(jì)劃書(shū)范文
- 統(tǒng)編版三年級(jí)語(yǔ)文下冊(cè)第三單元《綜合性學(xué)習(xí):中華傳統(tǒng)節(jié)日》教案
- 兒童注意力測(cè)試表
- 大學(xué)生預(yù)征對(duì)象登記表
- EN50317-2002-鐵路應(yīng)用集電系統(tǒng)受電弓和接觸網(wǎng)的動(dòng)力交互
- 人教版美術(shù)八下課程綱要
- 項(xiàng)目部組織機(jī)構(gòu)框圖(共2頁(yè))
- 機(jī)動(dòng)車登記證書(shū)
- 鉭鈮礦開(kāi)采項(xiàng)目可行性研究報(bào)告寫(xiě)作范文
- 小升初數(shù)學(xué)銜接班優(yōu)秀課件
評(píng)論
0/150
提交評(píng)論